¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Python Portal
Ir al canal en Telegram
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Mostrar más📈 Análisis del canal de Telegram Python Portal
El canal Python Portal (@pythonportal) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 52 440 suscriptores, ocupando la posición 2 547 en la categoría Tecnologías y Aplicaciones y el puesto 11 911 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 52 440 suscriptores.
Según los últimos datos del 10 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -783, y en las últimas 24 horas de -20, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 9.32%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.78% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 4 892 visualizaciones. En el primer día suele acumular 3 033 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 25.
- Intereses temáticos: El contenido se centra en temas clave como строка, none, true, модуль, peter.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Всё самое интересное из мира Python
Сотрудничество, реклама: @devmangx
Менеджер: @Spiral_Yuri
РКН: https://clck.ru/3GMMF6”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 11 junio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
52 440
Suscriptores
-2024 horas
-1877 días
-78330 días
Archivo de publicaciones
52 416
Парень собрал офигенную систему подготовки к собесам по LeetCode: вытащил 400+ задач и разложил их по 90 паттернам.
В итоге получилась таблица на 360 задач, где видно не просто что нужно решать, а какой именно паттерн ты качаешь и чем он закрывается.
Знаю, LeetCode для новичков легко превращается в перегруз, особенно когда собесы уже рядом и вообще непонятно, на какие задачи делать упор. Blind 75/95 и похожие списки это нормальная точка входа, но давай честно: решить всего около 100 задач обычно недостаточно, чтобы уверенно закрывать топовые интервью.
Важно: задачи в листе взяты из реальных интервью за последние 6 месяцев (Google, Meta, Amazon, Uber). Этот подход помог закрыть собесы в Salesforce (два раза), Intuit, Microsoft и еще пару “середняков” за эти годы.
Кидаю сюда, вдруг кому-то сэкономит недели.
👉 @PythonPortal
52 416
Все вокруг говорят про Clawbot. Но что это такое?
Опенсорсный AI-ассистент, который:
✓ крутится на твоем компе или сервере
✓ с ним можно общаться через Telegram, WhatsApp, Discord...
✓ имеет реальный доступ к системе
✓ с памятью, и со временем становится лучше по мере общения
✓ совместим с Claude, GPT, Gemini, DeepSeek…
Чтобы поставить, достаточно выполнить:
curl -fsSL https://clawd.bot/install.sh | bashclawdbot status, чтобы он предупреждал о проблемах безопасности (это не все, но хоть что-то), а потом clawdbot security audi
Официальный сайт:
https://clawd.bot/
👉 @PythonPortal52 416
👩💻 Хватит учить только синтаксис, начинай делать реальные проекты!
Python Ready — авторский канал, где Python перестаёт быть только теорией и становится рабочим инструментом. Мини-проекты, боты, советы, разборы задач, гайды и шпаргалки для каждого программиста.
🔥 Советую подписаться: @python_ready
52 416
Датасаентисты сейчас нарасхват: данных для анализа стало слишком много.
В этом курсе Татев и Ваэ учат Python для Data Science.
Будете делать проекты и разбирать EDA, A/B-тесты, BI и другое.
Проходим бесплатно
👉 @PythonPortal
52 416
У Visual Studio Code есть скрытая фича: она показывает, сколько кода написал ты, а сколько нагенерила ИИ.
Включи и проверь, ты больше дев или больше prompt engineer. 🤣
👉 @PythonPortal
52 416
Опенсорсный робот-манипулятор + трекинг рук
Сделан с индустриальным подходом, но в виде настольной системы на 3D-печати.
PAROL6 в паре с контроллером LEAP Motion отличный пример того, насколько доступной стала телеоперация роботов.
• Движения руки стримятся на робота с частотой 100 Гц по UDP
• Пневматический захват управляется простыми жестами: сжатие/разжатие кулака
• Весь стек робота опенсорсный: от механики до софта управления
Добавь сюда низколатентный трекинг рук и получаешь очень практичную платформу, чтобы учиться манипуляции, телеуправлению и интерфейсам человек-робот.
Такой сетап отлично подходит для экспериментов, teleop, сбора данных и обучения робота “по показу”.
И все это без проприетарного железа и залоченного софта.
Исходный код 😈
👉 @PythonPortal
52 416
Экономим время: VS Code расширение DEVTOOL+
Внутри целый набор ежедневных утилит: форматирование, encode/decode, конвертеры, генераторы, тестовые хелперы и еще куча мелочей. Все вызывается прямо из редактора, без браузера и лишних вкладок.
👉 @PythonPortal
52 416
Чувак собрал целую AI-команду “дата-сайентистов” на Python и выложил в опенсорс (полностью бесплатно).
Библиотека автоматизирует типичный DS-пайплайн с помощью AI: загрузка данных, чистка/преобразования, EDA, визуализация, feature engineering. Плюс она логирует каждый шаг так, чтобы все собиралось в 100% воспроизводимый pipeline (можно повторить прогон один в один и понять, что именно делалось).
Таймкоды из демо:
00:00 обзор проекта
01:32 workflow + загрузка данных
02:10 wrangling и cleaning
03:33 инсайты из визуализаций и построение графиков
04:08 feature engineering
05:00 лайв воркшоп на 1 час
05:44 сама Python-библиотека “AI Data Science Team”
GitHub: здесь
👉 @PythonPortal
52 416
На Stepik вышел курс по Linux
Этот курс закрывает всю обязательную Linux-базу для работы в IT: от установки Linux и работы с файлами до сетей, прав, дисков, процессов, автоматизации на Bash и многого другого. Всё сразу закрепляется на практике (200+ заданий с автопроверкой)
Материал подаётся понятным языком, шаг за шагом, на реальных примерах и с наглядными схемами
После прохождения вы получите сертификат, который можно добавить в резюме.
Есть бесплатные демо-уроки для ознакомления. В ближайшие 48ч курс доступен со скидкой 25% по промокоду «
POST25»: открыть курс на Stepik52 416
Мем: на сайте Думы в пояснительной записке к закону о создании реестра молодёжных организаций нашли utm-метку ChatGPT. 😐
👉 @PythonPortal
52 416
NVIDIA убрала самый жирный тормоз в Voice AI
Они выложили в опенсорс PersonaPlex-7B: full-duplex разговорную speech-to-speech модель, которая умеет слушать и говорить одновременно
Вместо того чтобы ждать, пока ты договоришь, она использует dual-stream архитектуру и обрабатывает входящий звук параллельно с генерацией ответа в реальном времени.
100% открытый исходный код и бесплатно. 🐸
👉 @PythonPortal
52 416
Qwen3-TTS официально в релизе. Выложили в опенсорс всю линейку: VoiceDesign, CustomVoice и Base, чтобы принести реально качественный TTS в open-комьюнити.
* 5 моделей (0.6B и 1.8B)
* Свободный voice design и клонирование голоса
* Поддержка 10 языков
* SOTA 12Hz токенизатор для сильной компрессии
* Полная поддержка fine-tuning
* SOTA качество
Возможно, самый “взрывной” релиз в опенсорсном TTS на данный момент. Давайте, ломайте, тестите, собирайте что-то крутое. Уже доступно всё: веса, код и статья. Enjoy.
Github: https://github.com/QwenLM/Qwen3-TTS Hugging Face: https://huggingface.co/collections/Qwen/qwen3-tts ModelScope: https://modelscope.cn/collections/Qwen/Qwen3-TTS Blog: https://qwen.ai/blog?id=qwen3tts-0115 Paper: https://github.com/QwenLM/Qwen3-TTS/blob/main/assets/Qwen3_TTS.pdf Hugging Face Demo: https://huggingface.co/spaces/Qwen/Qwen3-TTS ModelScope Demo: https://modelscope.cn/studios/Qwen/Qwen3-TTS API: https://alibabacloud.com/help/en/model-studio/qwen-tts-voice-design👉 @PythonPortal
52 416
Настроил чат-бота за пару часов → заработал 9 000₽.
Просто представь, кто-то стоит в очереди на маршрутку в 8 утра чтобы успеть на “любимую” работу.
А кто-то за 3-4 часа делает чат-бота со своего ноута без привязки ко времени.
Разница в зарплате: 200 тысяч.
И нет — не надо ничего программировать.
Зачем грузить мозги кодом, если можно собрать чат-бота для бизнеса на конструкторе.
Без опыта. За 3-4 часа.
💡 Суть проста:
Берёшь клиента → Собираешь бота по шаблону → Наставник всё проверяет → Сдаёшь работу и получаешь деньги.
В первый месяц обычно выходят на доход 50–80 тыс ₽/мес, а с опытом от 180 тыс ₽ и выше. Легко совмещается с работой, учёбой, рыбалкой, семейными хлопотами… график устанавливаешь самостоятельно.
Всё, что нужно для старта — запустить бота
👉 @other_digital_bot
Там пошаговый план как стартануть и гайд по клиентам.
До 26 января вход бесплатный.
52 416
Сравнение async и ThreadPoolExecutor в Python
Асинхронная обработка async
В async переключение выполнения на уровне CPU происходит в момент выполнения
await.
Но чтобы можно было вызвать await, сам код должен поддерживать async.
Например, если вы хотите делать запись в PostgreSQL через async, то придется использовать asyncpg.
То есть для тех операций, которые поддерживают async, можно реализовать асинхронную обработку с помощью async.
Параллельная обработка ThredPoolExcutor
ThredPoolExcutor имеет смысл использовать в тех случаях, когда:
* код не поддерживает async
* или вы хотите распараллелить выполнение, минимально переписывая существующий код.
Тестовый код
Асинхронная обработка async:
import asyncio
import time
from icecream import ic
async def io_task(name):
print(f"{name} start")
await asyncio.sleep(3) # ожидание неблокирующего I/O
print(f"{name} end")
async def main():
start = time.time()
await asyncio.gather(io_task("A"), io_task("B"), io_task("C"))
print(f"elapsed: {time.time() - start:.3f}")
ic()
asyncio.run(main())
ic()
# Результат выполнения
ic| main_async.py:19 in <module> at 22:06:11.408
A start
B start
C start
A end
B end
C end
elapsed: 3.001
ic| main_async.py:21 in <module> at 22:06:14.412import time
from concurrent.futures import ThreadPoolExecutor
from icecream import ic
def io_task(name):
print(f"{name} start")
time.sleep(3) # блокирующий I/O
print(f"{name} end")
ic()
start = time.time()
with ThreadPoolExecutor(max_workers=3) as executor:
executor.submit(io_task, "A")
executor.submit(io_task, "B")
executor.submit(io_task, "C")
print(f"elapsed: {time.time() - start:.3f}")
# Результат выполнения
ic| main_ThreadPoolExcutor.py:13 in <module> at 22:07:03.543
A start
B start
C start
C end
B end
A end
elapsed: 3.003time.sleep[1], имеет смысл использовать ThredPoolExcutor.
Когда же нужна неблокирующая обработка, как в случае с asyncio.sleep, лучше использовать async.
👉 @PythonPortal52 416
Топовый лайфхак с GitHub: добавь 0 к URL pull request, и ИИ поможет тебе ревьюнуть и понять изменения, которые хотят влить.
👉 @PythonPortal
52 416
+1
xAI выложила в опенсорс новый рекомендательный алгоритм X
Весь код уже доступен на GitHub.
Обещают обновления каждые 4 недели.
👉 @PythonPortal
